機器視覺表面缺陷檢測-主要問題和發展趨勢
基于機器視覺的表面缺陷檢測將是未來研究和發展的主要方向，目前，基于機器視覺的表面缺陷檢測理論研究和實際應用等環節均有可喜的成果，但仍存在下面主要的問題和難點:
1) 由于檢測對象多樣、表面缺陷種類繁多、形 態多樣、復雜背景，對于眾多缺陷類型產生的機理以 及其外在表現形式之間的關系尚不明確，致使對缺 陷的描述不充分，缺陷的特征提取有效性不高，缺陷 目標分割困難; 同時，很難找到“標準”圖像作為參 照，這給缺陷的檢測和分類帶來困難，造成識別率尚 有待提高。
2) 機器視覺表面缺陷檢測，特別是在線檢測，其特點是數據量龐大、冗余信息多、特征空間維度高，同時考慮到真正的機器視覺面對的對象和問題的多樣性，從海量數據中提取有限缺陷信息的算法能力不足，實時性不高。
3) 與機器視覺表面檢測密切相關的人工智能 理論雖然得到了很大的發展，但如何模擬人類大腦的信息處理功能去構建智能機器視覺系統還需 要理論上的進一步研究，如何更好的基于生物視 覺認識、指導機器視覺得檢測也是研究人員的難點之一。
4) 從機器視覺表面檢測的準確性方面來看，盡管一系列優秀的算法不斷出現，但在實際應用中準確率仍然與滿足實際應用的需求尚有一定差距，如何解決準確識別與模糊特征之間、實時性與準確性之間的矛盾仍然是目前的難點。
機器視覺表面缺陷檢測系統中，圖像處理和分 析算法是重要的內容，通常的流程包括圖像的預處 理、目標區域的分割、特征提取和選擇及缺陷的識別 分類。每個處理流程都出現了大量的算法，這些算 法各有優缺點和其適應范圍。如何提高算法的準確性 、執行效率 、實時性和魯棒性 ，一直是研究者們努力的方向。
機器視覺表面檢測比較復雜，涉及眾多學科和理論，機器視覺是對人類視覺的模擬，但是目前對人的視覺機制尚不清楚，盡管每一個正常人都是“視覺專家 ”，但難以用計算機表達自己的視覺過程 ，因此構建機器視覺檢測系統還要進一步通過研究生物視覺機理來完善，使檢測進一步向自動化和智能化方向發展。
網站客服
粵公網安備 44030402000946號